随着无人机技术的不断进步,多无人机协同对地任务规划在现代战争中的地位日益凸显,其规划结果优劣将直接影响无人机整体作战效能。多无人机协同对地任务规划包含两阶段:第一阶段任务分配,即给无人机合理的指派任务;第二阶段航迹规划,即给无人机规划出能安全抵达对地任务目标点的可飞航迹。本文结合某无人机仿真平台的研究,对相关问题展开研究,主要工作内容如下:（1）针对传统合同网算法在解决多无人机任务分配中存在的资源不均衡、实时性差、整体效能低等问题,本文结合多无人机任务分配需求,对合同网算法进行了改进。首先,为得到贴合实际的任务分配模型,本文在构建模型时考虑了战场环境、任务需求及无人机性能等条件。其次,为了使模型具备实时监测能力,本文在传统合同网算法基础上增加“状态更新”和“心跳保持”两个步骤。相较于只能进行离线任务分配的传统合同网方法,改进后的方法能够展开离线和实时两种模式的任务分配工作。再次,为了使模型能够在多约束条件下取得较高效能,本文引入多指标约束的效能函数,具体来讲,该函数考虑了任务目标收益价值、飞行航程和无人机所受威胁程度等评价指标。最后,为提高模型的全局负载能力,本文引入负载均衡机制,并在任务分配时增加任务买卖和任务交换等调配操作。实验结果表明,本文提出的模型与传统方法相比具有更好的全局负载均衡效果和更短的时间开销,且具备实时任务分配能力。（2）针对传统粒子群算法在解决多无人机航迹规划问题中存在的实时性较差、收敛慢、容易陷入局部最优等问题,本文结合实际航迹规划需求,对传统粒子群算法进行了改进。首先,本文通过最小曲面方法和半球模型对威胁区域建模并二维投影;其次,为解决非线性函数自适应策略收敛慢问题,本文设计了线性递降的自适应策略去逼近粒子群参数最佳值,同时还增添了适应度函数和多约束条件;再次,为了提高传统粒子群算法的求解效率,本文参考K均值算法将粒子群划分为多个子群,参考小生境算法从若干子群中分别选取最优个体组成小生境群体;为解决传统粒子群算法存在的局部最优问题,参考了模拟退火算法跳出局部最优的机制,从而提出基于传统粒子群改进后的混合粒子群算法;最后,基于Dubins曲线对航迹进行平滑处理。通过多场景实验表明,相较于传统粒子群算法,混合粒子群算法能以更快的收敛速度求解出全局最优解,适用于多种场景下的航迹规划问题求解,并能进行实时航迹规划。（3）针对仿真平台和任务规划不匹配问题,本文基于任务规划需求,在整合仿真平台和任务规划过程中新增相应接口;其次,基于该平台,成功实现某蜂群论证仿真推演项目,应用了本文所提的任务分配和航迹规划方法,取得良好的任务推演效果;最后,通过实验结果表明,该平台的规划效果和时间均能满足实际任务需求,适用于协同对地作战任务的任务规划实验,具备良好的工程应用价值。